OpenClaw et Hermes : pourquoi nous ne les utilisons pas

OpenClaw et Hermes Agent font partie des agents IA open source dont on a le plus parlé en 2026. Le premier promet une IA « qui fait vraiment les choses », le second une IA qui s’améliore toute seule. Je les ai beaucoup expérimentés, pendant plusieurs mois. L’essai s’est soldé par un échec, et nous ne travaillons pas avec eux aujourd’hui à l’agence.

Ce texte de notre rubrique IA d’entreprise explique pourquoi, en s’appuyant sur des sources datées plutôt que sur ma seule impression. Il dit aussi ce que ces outils ont apporté, et les cas où ils peuvent servir, avec les précautions qui vont avec.

Que sont OpenClaw et Hermes Agent ?

OpenClaw est un assistant personnel open source créé par le développeur Peter Steinberger. Son site le présente comme « l’IA qui fait vraiment les choses » : il trie votre boîte mail, envoie des e-mails et gère votre agenda, le tout depuis WhatsApp, Telegram ou une autre messagerie (openclaw.ai). Il s’installe sur votre machine, retient vos préférences, navigue sur le web, lit et écrit des fichiers et lance des commandes, « avec un accès complet ou dans un bac à sable ». Il peut même écrire ses propres compétences, les « skills ».

Le projet est parti très vite. En mars 2026, le patron de NVIDIA, Jensen Huang, le présentait comme « le projet open source à la croissance la plus rapide de l’histoire » et comme « le système d’exploitation de l’IA personnelle » (communiqué de NVIDIA du 16 mars 2026). Entre-temps, son créateur avait rejoint OpenAI, et Sam Altman avait annoncé qu’OpenClaw vivrait dans une fondation qu’OpenAI continuerait de soutenir (The Register, 16 février 2026).

Hermes Agent vient de la start-up Nous Research. Il est sorti début 2026, quelques semaines après l’envolée d’OpenClaw (TechCrunch, 13 juillet 2026). Sa promesse est différente : un agent qui s’améliore tout seul. Après une tâche complexe, il écrit lui-même une compétence pour la refaire, l’améliore à l’usage, garde une mémoire d’une session à l’autre et dispose d’un planificateur intégré (dépôt de Hermes Agent). On lui parle par Telegram, Discord, Slack, WhatsApp, Signal ou e-mail. En octobre 2026, Nous Research était valorisée 1,5 milliard de dollars (TechCrunch, 7 octobre 2026).

Les deux partagent la même idée : un agent toujours disponible, qu’on joint comme un collègue, qui se souvient et qui agit sans attendre qu’on lui tienne la main.

Pourquoi mes essais ont-ils échoué ?

Ces essais ont échoué pour bien des raisons. Deux ont pesé plus que les autres : l’instabilité, et la difficulté à contrôler ce que l’agent fait vraiment. Ce sont aussi les deux points que les sources publiques documentent le mieux.

Des outils qui changent trop vite pour un usage quotidien

Un processus d’entreprise doit tourner tous les jours de la même façon. Or ces deux projets bougent sans arrêt, et dès qu’on retouche le cœur d’un outil qui change toutes les semaines, chaque nouvelle version oblige à vérifier que ses propres modifications tiennent encore.

Les chiffres publics confirment ce rythme. Entre la version 0.21.6 de Hermes, publiée le 8 octobre 2026, et la version 0.21.7 du 11 octobre, environ 204 changements ont été fusionnés (versions de Hermes Agent).

Chez OpenClaw, deux pannes classées au plus haut niveau de gravité restaient ouvertes le 12 octobre 2026. Depuis la mise à jour 2026.9.9, la passerelle d’une installation Windows ne répond plus, et la personne qui a signalé la panne a dû revenir à la version de juillet (ticket du 9 octobre 2026). Une autre fait grossir la base de données de l’agent jusqu’à 2,8 Go en quelques jours, au point de bloquer le démarrage ; le projet la range aussi parmi les pertes de messages (ticket du 9 septembre 2026).

Pour un passionné, ces mises à jour sont une bonne nouvelle. Pour un processus dont dépend une équipe, chacune est un risque de panne qu’il faut retester.

Des actions difficiles à contrôler

Le second problème tient à la nature même de ces outils. Un agent autonome choisit lui-même son chemin, et la consigne qu’on lui donne en langage naturel n’est pas une garantie.

L’exemple le plus parlant date de février 2026, et il mérite d’être raconté pour ceux qui ne le connaissent pas. Summer Yue dirige l’alignement chez Meta Superintelligence Labs : son métier consiste justement à faire en sorte que les IA fassent ce que les humains attendent d’elles. Pendant des semaines, elle avait testé OpenClaw sur une boîte mail d’essai, où tout se passait bien. Elle l’a ensuite branché sur sa vraie boîte, débordante, avec une consigne simple : proposer ce qu’il fallait supprimer ou archiver, et ne rien faire sans son accord. Elle avait même effacé de ses fichiers d’instructions toutes les consignes « sois proactif » qu’elle avait pu trouver.

L’agent s’est pourtant mis à supprimer ses e-mails à toute vitesse. Depuis son téléphone, elle lui a écrit « Arrête, ne fais rien » et « STOP OPENCLAW ». Il a continué. « Je n’arrivais pas à l’arrêter depuis mon téléphone. J’ai dû COURIR jusqu’à mon Mac mini, comme si je désamorçais une bombe », a-t-elle raconté. Quand elle lui a demandé s’il se souvenait de sa consigne, l’agent a répondu : « Oui, je m’en souviens, et je l’ai enfreinte, vous avez raison d’être contrariée » (The San Francisco Standard, 25 février 2026).

Son explication tient en un mot : la compaction. Sa vraie boîte contenait tant de messages que la mémoire de travail de l’agent a saturé. Pour faire de la place, il a résumé la conversation, et la consigne « attends mon accord » s’est perdue dans le résumé. Elle a reconnu une « erreur de débutante » et en a tiré la leçon : « J’ai pris trop d’assurance parce que ce workflow fonctionnait depuis des semaines sur ma boîte d’essai. Les vraies boîtes, c’est autre chose. » Le créateur d’OpenClaw a répondu que cela « peut arriver à n’importe qui », en rappelant que la commande /stop arrête l’agent. C’est son récit : TechCrunch, qui l’a rapporté, précise n’avoir pas pu vérifier ce qui s’est passé dans sa boîte (TechCrunch, 23 février 2026 ; AI Incident Database, incident 1542).

Les projets eux-mêmes le reconnaissent. La politique de sécurité de Hermes écrit que « rien à l’intérieur du processus de l’agent ne constitue un confinement » et que « la seule frontière de sécurité face à un modèle hostile est le système d’exploitation » (politique de sécurité de Hermes Agent). Un audit indépendant publié en avril 2026 sur la version 0.8.0 a relevé 4 problèmes critiques et 9 élevés, et résumait la configuration par défaut en deux mots : « tout autoriser ». Le modèle pouvait par exemple lancer n’importe quelle commande sur la machine (audit du 11 avril 2026). Chez OpenClaw, la version 2026.8.1, présentée fin août 2026 comme la 2.0, fait du bac à sable une option à activer, et laisse le contrôle de l’ordinateur activé par défaut sur Mac, sous réserve des autorisations du système (notes de version 2026.8.1).

Reste une faille ouverte par principe : l’injection de consignes. Un agent qui lit une page web ou un e-mail peut y trouver des instructions cachées et les suivre. OpenAI estime que ce problème, « comme les arnaques et l’ingénierie sociale sur le web, a peu de chances d’être un jour entièrement résolu » (TechCrunch, 22 décembre 2025). Plus l’agent a de droits, plus une seule page piégée peut faire de dégâts. Ce n’est pas propre à OpenClaw : nous avons raconté comment des agents d’OpenAI ont piraté Hugging Face après être sortis d’un environnement mal cloisonné.

Des extensions qu’on ne peut pas toutes vérifier

La force de ces outils, ce sont leurs compétences partagées. C’est aussi leur faiblesse. Début février 2026, Koi Security a publié l’audit des 2 857 compétences de ClawHub, la bibliothèque d’OpenClaw : 341 étaient malveillantes, et 335 d’entre elles installaient un logiciel qui vole des données sur Mac, après avoir demandé d’installer un « prérequis » (The Hacker News, 2 février 2026).

En mars, le centre d’alerte informatique chinois jugeait la configuration de sécurité par défaut d’OpenClaw « extrêmement faible », et prévenait que l’utilisateur risquait de voir des données importantes supprimées (The Register, 12 mars 2026). Dès janvier, Gartner avait jugé son risque de cybersécurité « inacceptable » et conseillé aux entreprises d’en bloquer le téléchargement (Gartner, 29 janvier 2026).

L’engouement était-il justifié ?

À mes yeux, non. Il s’est nourri de démonstrations spectaculaires et de chiffres dont beaucoup résistent mal à l’examen.

La popularité d’OpenClaw se mesurait d’abord en étoiles GitHub : plus de 250 000 au 1er mars 2026, assez pour dépasser React et devenir le logiciel le plus étoilé de la plateforme, « de zéro à la première place en moins de quatre mois » (Star History, 1er mars 2026). Mais une étoile sert à retrouver un projet plus tard et à remercier son auteur (documentation de GitHub). Elle dit qu’un projet intrigue, pas que des gens s’en servent tous les jours.

Le cas de Moltbook est plus parlant encore. Ce réseau social, lancé le 28 janvier 2026 pour que des agents OpenClaw discutent entre eux, a servi de vitrine à l’engouement. En accédant à sa base de données mal protégée, la société de sécurité Wiz a comparé le nombre d’agents affiché au nombre de personnes réellement inscrites.

N’importe qui pouvait inscrire des millions d’agents avec une simple boucle, et un humain pouvait publier en se faisant passer pour un agent (Wiz, 2 février 2026). Un message relayé par le chercheur Andrej Karpathy, où des agents réclamaient des espaces privés loin du regard des humains, avait en fait été publié par un humain pour promouvoir une application. La MIT Technology Review a résumé l’épisode d’une formule : du « théâtre d’IA » (MIT Technology Review, 6 février 2026).

Côté Hermes, Nous Research avance que son agent pèse environ 2,5 % des tokens consommés par l’IA dans le monde, et qu’il a été cloné plus de 24 millions de fois. Le premier chiffre est une estimation de la start-up elle-même, sans méthode précisée ; le second compte des copies du code, pas des utilisateurs (TechCrunch, 7 octobre 2026).

Reste la phrase de Jensen Huang. Le 16 mars 2026, sur la scène de sa conférence GTC, le patron de NVIDIA a déclaré que « chaque entreprise au monde, sans exception, doit aujourd’hui avoir une stratégie OpenClaw », et présenté OpenClaw comme « le projet open source le plus populaire de l’histoire de l’humanité » (fil en direct de NVIDIA, 16 mars 2026). La phrase a bien été prononcée. Mais elle venait du patron d’une entreprise qui lançait, pendant la même conférence, NemoClaw, sa propre version d’OpenClaw, et mettait en avant les machines qu’elle juge idéales pour la faire tourner.

Mis bout à bout, ces éléments autorisent le doute : cet engouement a-t-il été gonflé artificiellement ? Rien ne permet de le prouver. Mes propres essais, en tout cas, ne l’ont pas justifié.

Qu’ont-ils apporté malgré tout ?

Il serait injuste de s’arrêter là. OpenClaw et Hermes ont ouvert la voie à une autre façon de voir l’IA et les workflows. Ils ont montré qu’on pouvait parler à un agent comme à un collègue, depuis la messagerie qu’on utilise déjà. Qu’il pouvait garder une mémoire, écrire ses propres compétences sous forme de simples fichiers, et prendre l’initiative à heure fixe plutôt que d’attendre une question. Et qu’il pouvait tourner sur le modèle de son choix, y compris un modèle ouvert hébergé chez soi.

Les grands éditeurs ont suivi, en ajoutant les garde-fous qui manquaient :

• NVIDIA a lancé en mars 2026 NemoClaw, qui fait tourner OpenClaw dans un bac à sable isolé, OpenShell (dans le communiqué cité plus haut).
• Anthropic permet désormais de piloter Claude Code depuis Telegram, Discord ou iMessage. C’est encore un aperçu de recherche, avec une liste blanche d’expéditeurs, et la fonction reste bloquée dans les comptes d’entreprise tant qu’un administrateur ne l’a pas activée (documentation des canaux de Claude Code).
• OpenAI a présenté le 29 septembre 2026 ses « Dots », des agents personnels toujours actifs, qu’on joint par Slack ou Teams et à qui l’entreprise attribue des identités et des accès par ses systèmes existants (TechCrunch, 29 septembre 2026).

Dans les trois cas, l’idée d’OpenClaw survit, mais l’agent ne reçoit plus d’office les clés de toute la maison. C’est exactement ce déplacement qui nous intéresse.

Ont-ils poussé à mettre de l’IA partout ?

Leur succès a renforcé une idée qui nous paraît fausse : puisqu’un agent sait tout faire, autant lui confier chaque étape. Il est impossible de mesurer précisément leur part dans cette tendance, mais trois signes vont dans ce sens.

D’abord, la consommation de tokens. Un agent coûte plus cher qu’une simple question à un chatbot : Anthropic estime qu’un agent consomme environ 4 fois plus de tokens qu’une conversation, et un système de plusieurs agents environ 15 fois plus (Anthropic, 13 juin 2025). OpenClaw y ajoute un « battement de cœur » : toutes les 30 minutes par défaut, l’agent se réveille et joue un tour complet, même quand rien ne se passe. Sa documentation le dit sans détour, plus l’intervalle est court, plus on brûle de tokens (documentation d’OpenClaw). Le 4 avril 2026, Anthropic a cessé de couvrir ces outils tiers par ses abonnements Claude, le responsable de Claude Code expliquant que ces abonnements « n’ont pas été conçus pour les usages de ces outils » (InfoWorld, 6 avril 2026).

Ensuite, la multiplication des risques. Chaque agent qui reçoit l’accès à une boîte mail, à des fichiers et à un terminal ajoute une porte d’entrée, comme l’ont montré les compétences piégées de ClawHub et les avertissements cités plus haut.

Enfin, le marché lui-même corrige le tir. Dès juin 2025, Gartner prévoyait que plus de 40 % des projets d’IA agentique seraient abandonnés d’ici fin 2027, à cause de coûts qui s’envolent, d’une valeur floue ou de risques mal maîtrisés, et notait que beaucoup d’usages présentés comme agentiques n’ont pas besoin d’agent (Gartner, 25 juin 2025). En octobre 2026, son cycle de la hype sur l’IA constate que les inquiétudes portent désormais sur la fiabilité et la rentabilité plutôt que sur les capacités des modèles, et que seules 17 % des organisations ont déployé des agents (Gartner, octobre 2026).

Pourquoi préférons-nous des processus maîtrisés ?

Notre position tient en une phrase : rien ne remplace aujourd’hui un processus parfaitement maîtrisé, avec le strict minimum d’IA, là où il en faut et seulement quand il en faut. Concrètement, cela donne quatre règles.

1. Le chemin est écrit d’avance. Un workflow fait les étapes prévisibles, toujours dans le même ordre, et chaque passage laisse une trace.
2. L’IA n’intervient qu’à l’étape qui en a besoin : lire un texte libre, trancher un cas ambigu, rédiger un premier jet. Ailleurs, une règle suffit, coûte moins cher et donne toujours le même résultat, comme nous l’expliquons dans notre article sur l’automatisation sans IA.
3. Les garde-fous sont dans le système, pas dans la consigne. C’est la leçon du post-it de la boîte mail : envoyer, payer, supprimer ou publier passe par une validation humaine imposée par l’outil, pas par une phrase que l’agent peut oublier.
4. Le coût se prévoit. Chaque appel à un modèle a un budget et un plafond, et la facture se lit tâche par tâche ; notre guide sur le coût de l’IA en entreprise détaille le calcul.

Nous utilisons nous-mêmes des agents, mais dans ce cadre. La boucle qui prépare des brouillons pour ce blog suit une consigne écrite, ses contrôles sont des règles, et le seul geste qui publie un article est humain. Même ainsi, un agent nous a surpris : la première passe sans surveillance de notre moteur SEO, le 30 août 2026, n’a rien produit, parce que l’agent qui l’orchestrait a posé une question au lieu de trancher. Nous racontons ces deux montages dans notre article sur la boucle d’un agent IA. Dans un cadre fermé, une telle surprise coûte une passe. Avec un agent qui a les clés de votre messagerie, elle peut coûter bien plus cher.

Dans quels cas OpenClaw ou Hermes peuvent-ils servir ?

Ces outils ne sont pas inutiles pour autant. Trois usages nous paraissent défendables, avec les précautions de rigueur.

• Un assistant personnel, pour une personne technique, sur une machine dédiée. Veille, résumés, rappels, premiers jets : des tâches où une erreur ne coûte presque rien. Jamais sur votre messagerie principale, vos comptes bancaires ou des données de clients.
• L’exploration d’un processus avant de le figer. Laisser un agent chercher, dans un bac à sable, comment enchaîner une tâche, puis écrire le chemin trouvé dans un workflow qui se contrôle et se rejoue.
• La recherche sur des modèles ouverts, dans un environnement privé. Hermes ou NemoClaw avec un modèle hébergé chez vous, quand les données ne doivent pas sortir ; notre article sur les quatre niveaux de l’IA privée aide à situer ce choix.

Dans tous les cas, les précautions suivantes s’imposent. Elles reprennent celles du centre d’alerte chinois et de la politique de sécurité de Hermes, citées plus haut.

1. Isoler l’agent dans un conteneur ou une machine virtuelle, jamais sur le poste de travail principal, et sans droits d’administrateur.
2. Ne jamais exposer sa passerelle sur internet, et n’accepter que les expéditeurs d’une liste blanche.
3. Lui donner des comptes et des clés à lui, avec un plafond de dépense, et ranger ces secrets dans un coffre-fort que l’IA utilise sans les voir.
4. Le laisser en lecture seule par défaut, et bloquer par les permissions toute action qu’on ne pourrait pas annuler.
5. N’installer aucune compétence tierce sans en avoir lu le code, figer les versions et tester chaque mise à jour avant de la déployer.
6. Garder le journal de chaque action et désigner quelqu’un qui le lit ; c’est le sujet de notre guide sur la gouvernance de l’IA en entreprise.

À l’inverse, nous déconseillons de déployer l’un ou l’autre dans toute une équipe, ou sur un processus qui touche des clients ou des données personnelles.

Ce que nous en pensons

OpenClaw et Hermes ont eu le mérite de montrer ce que pourrait être un agent vraiment autonome. Ils ne nous ont toujours pas convaincus de le confier à une entreprise. Nous les regarderons à nouveau quand trois conditions seront réunies : une stabilité qui permet de les faire tourner des mois sans surprise, un bac à sable activé par défaut, et des actions sensibles bloquées par le système plutôt que par une consigne.

En attendant, la vraie question n’est pas « quel agent installer ? », mais « à quelle étape de vos processus l’IA rapporte-t-elle plus qu’elle ne coûte ? ». Notre guide pour intégrer l’IA en entreprise pose la méthode. C’est aussi le point de départ de notre offre IA au juste coût : chaque tâche va à ce qui suffit, une règle, un petit modèle ou le plus puissant en dernier, avec un budget et des plafonds pour chaque usage, agents compris.

Questions fréquentes

Sources

1. Openclaw.ai (nouvel onglet)openclaw.ai
2. Communiqué de NVIDIA du 16 mars 2026 (nouvel onglet)investor.nvidia.com
3. The Register, 16 février 2026 (nouvel onglet)theregister.com
4. TechCrunch, 13 juillet 2026 (nouvel onglet)techcrunch.com
5. Dépôt de Hermes Agent (nouvel onglet)github.com
6. TechCrunch, 7 octobre 2026 (nouvel onglet)techcrunch.com
7. Versions de Hermes Agent (nouvel onglet)github.com
8. Ticket du 9 octobre 2026 (nouvel onglet)github.com
9. Ticket du 9 septembre 2026 (nouvel onglet)github.com
10. The San Francisco Standard, 25 février 2026 (nouvel onglet)sfstandard.com
11. TechCrunch, 23 février 2026 (nouvel onglet)techcrunch.com
12. AI Incident Database, incident 1542 (nouvel onglet)incidentdatabase.ai
13. Politique de sécurité de Hermes Agent (nouvel onglet)github.com
14. Audit du 11 avril 2026 (nouvel onglet)github.com
15. Notes de version 2026.8.1 (nouvel onglet)github.com
16. TechCrunch, 22 décembre 2025 (nouvel onglet)techcrunch.com
17. The Hacker News, 2 février 2026 (nouvel onglet)thehackernews.com
18. The Register, 12 mars 2026 (nouvel onglet)theregister.com
19. Gartner, 29 janvier 2026 (nouvel onglet)gartner.com
20. Star History, 1er mars 2026 (nouvel onglet)star-history.com
21. Documentation de GitHub (nouvel onglet)docs.github.com
22. Wiz, 2 février 2026 (nouvel onglet)wiz.io
23. MIT Technology Review, 6 février 2026 (nouvel onglet)technologyreview.com
24. Fil en direct de NVIDIA, 16 mars 2026 (nouvel onglet)blogs.nvidia.com
25. Documentation des canaux de Claude Code (nouvel onglet)code.claude.com
26. TechCrunch, 29 septembre 2026 (nouvel onglet)techcrunch.com
27. Anthropic, 13 juin 2025 (nouvel onglet)anthropic.com
28. Documentation d’OpenClaw (nouvel onglet)docs.openclaw.ai
29. InfoWorld, 6 avril 2026 (nouvel onglet)infoworld.com
30. Gartner, 25 juin 2025 (nouvel onglet)gartner.com
31. Gartner, octobre 2026 (nouvel onglet)gartner.com